kornia-rs

收录理由

在 Rust 或 Python 里搭建实时视觉管线的团队，常常要为 CPU 和 CUDA 各写一套代码，维护起来很麻烦。kornia-rs 换了个思路：它的 Image 类型和算子会根据数据所在位置自动在 CPU 或 NVIDIA GPU 上执行，一套代码就能覆盖两种环境。通过 DLPack 和 CUDA array interface 把结果直接交给 PyTorch 或 TensorRT，省去了主机端拷贝，这对把摄像头帧送进模型做实时推理的场景特别关键。它还提供了一个把 NV12/YUYV 帧直接融合成归一化 CHW 输入的 CUDA 内核，专为实时推理设计。借助 PyO3 提供的 Python 绑定，同样的功能也能用在自由线程的 Python 构建里。仓库里的 AprilTag 检测、特征检测和 VLM 集成示例，能让人直观感受到这个库能承载哪些任务。对于机器人和嵌入式视觉团队来说，内存安全加上没有 GIL 限制，在延迟敏感的管线里是实打实的优势。